Participants : Xavier Bailly, Patrick Gasqui, Myriam Charras-Garrido, Nelly Dorr, David Abrial, Jocelyn de Goër
Principaux collaborateurs : Centre National de Référence des Borrelia - Institut Pasteur Paris
Financement : Recherches financées avec le soutien de l'INRA, la région Auvergne et l'Union Européenne : Fonds Européen de Développement Régional
L’acquisition de données moléculaires est facilitée par le développement récent de nouvelles stratégies de séquençage. En utilisant les données concernant la génomique de Borrelia et la métagénomique des pathogènes transmis par les tiques, nous développons deux approches. D’une part, nous allons utiliser des approches statistiques afin d’optimiser l’analyse des données moléculaires. En effet, l’analyse des données issues des nouvelles technologies de séquençage requiert l'adaptation d'outils mathématiques existants pour l'interprétation des patrons de diversité rencontrés et le développement d'outils spécifiques aux données de métagénomique par exemple. D’autre part, nous travaillons sur les méthodes d'inférence des paramètres d'intérêt d'un point de vue épidémiologique (taux de migration, différenciation génétique entre populations, taux de croissance de la population pathogène) à partir de l’information génétique récoltée. Enfin, nous étudions les caractéristiques des méthodes d'acquisition des données pour étudier la pertinence des échantillonnages métagénomiques afin de répondre aux problématiques épidémiologiques auxquelles nous sommes confrontés.
. La modélisation statistique des cycles épidémiologiques complexes (depuis 2005)
Participants : Patrick Gasqui, Séverine Bord, Laurent Crespin
Principaux collaborateurs : Unités MIA de l'INRA d'Avignon et de Jouy-en-Josas, laboratoire de mathématiques de l’université Blaise Pascal, l’équipe Ecologie évolutive des populations de l’UMR 5558 à Lyon et l’équipe de biométrie et biologie des populations du Centre d’Ecologie Fonctionnelle et Evolutive (UMR 5175, Montpellier).
Les systèmes multi-hôtes / multi-pathogènes sont des systèmes épidémiologiques complexes par le fait qu’ils mettent en interaction différents acteurs avec des boucles de rétroactions, dans des dynamiques non-linéaires, et intégrant plusieurs échelles d’organisation, spatiales et temporelles. C’est pourquoi nous réalisons des développements méthodologiques en modélisation et statistique des cycles épidémiologiques complexes. L’objectif de cette modélisation est de décortiquer les processus en jeu et de mettre en lumière les mécanismes et les rôles des différents acteurs de ces systèmes multi-hôtes / multi-pathogènes.
La confrontation des modèles statistiques ou mécanistes à des simulations, à des données d’expérimentation (milieu contrôlé) ou à des observations réelles en milieu « naturel » peut être utilisée pour valider les types de modèles, hiérarchiser les facteurs de variation influents et agir sur les systèmes réels, mais elle est complexe. Pour aborder ceci, nous adopterons une approche à la fois mécaniste et statistique. L’objectif est de décomposer le phénomène en identifiant la source de la variabilité résiduelle : erreurs de mesure, variance d’échantillonnage, facteurs non pris en compte, effet aléatoire des paramètres des facteurs pris en compte. Cette stratégie permet de disposer d’un modèle testable vis-à-vis d’observations réelles et donc d’hypothèse réfutable. Ces travaux sont conduits en collaboration principalement avec l’unité de Biostatistique et Processus Spatiaux de l’INRA d’Avignon.
Nous approfondissons deux aspects plus particulièrement : (i) la prise en compte de l’incertitude et (ii) l’intégration de données de suivi individuel. Concernant l'incertitude, notre objectif est d’aboutir à une démarche générale permettant d’intégrer a priori et/ou a posteriori les facteurs d’incertitude qui augmentent « artificiellement » la variabilité des observations. Il s'agit d'une part de déterminer comment optimiser le recueil des données i.e. l’échantillonnage compte tenu de facteurs d’incertitude (connus ou non). D'autre part, il faut déterminer comment intégrer les facteurs d’incertitude a posteriori (i.e. après le recueil des données) de façon à prendre en compte la variabilité des observations et mieux étudier les facteurs explicatifs de cette variabilité. Ces travaux seront conduits en collaboration avec le laboratoire de mathématiques de l’université Blaise Pascal.
A partir de la collecte et de l’analyse de données de suivi individuel (méthodes de capture marquage recapture) nous développons des travaux permettant de comprendre comment la dynamique de populations d’espèces sauvages influence la dynamique de transmission des pathogènes [hantavirus chez les rongeurs]. Nous prévoyons de développer notamment des modèles de capture marquage recapture multi-états, voire multi-évènements afin (i) d’améliorer l’estimation des paramètres démographiques dans les populations hôtes sauvages (survie, maturation, recrutement…) (ii) de tester l’impact des pathogènes sur ces paramètres démographiques pour éclaircir le rôle des interactions hôte/pathogène(s) dans la dynamique de transmission des pathogènes entre les hôtes et (iii) d’estimer des paramètres épidémiologiques dans des populations naturelles et/ou d’élevage [application des points i, ii et iii aux hantavirus des rongeurs et à la fièvre Q des petits ruminants]. Ces travaux seront conduits en collaboration avec l’équipe Ecologie évolutive des populations de l’UMR 5558 à Lyon et l’équipe de biométrie et biologie des populations du Centre d’Ecologie Fonctionnelle et Evolutive (UMR 5175, Montpellier).
